當前位置：首頁 > 编程资源 > 综合教程 >内容正文

综合教程

R:ggplot2数据可视化——基础知识

發(fā)布時間：2023/12/15 综合教程 37 生活家

生活随笔收集整理的這篇文章主要介紹了 R:ggplot2数据可视化——基础知识小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

1安裝

# 獲取ggplot2 最容易的就是下載整個tidyverse:
install.packages("tidyverse")

# 也可以選擇只下載ggplot2:
install.packages("ggplot2")

# 或者下載GitHub上的開發(fā)者版本
# install.packages("devtools")
devtools::install_github("tidyverse/ggplot2")

2快速入門

1基本設置

library(ggplot2)
ggplot(diamonds)  #以diamonds數據集為例
#gg <- ggplot(df, aes(x=xcol, y=ycol)) 其中df只能是數據框 
ggplot(diamonds, aes(x=carat))  # 如果只有X-axis值 Y-axis can be specified in respective geoms.
ggplot(diamonds, aes(x=carat, y=price))  # if both X and Y axes are fixed for all layers.
ggplot(diamonds, aes(x=carat, color=cut))  #  'cut' 變量每種類型單獨一個顏色, once a geom is added.

#aes代表美化格式 ggplot2 把 X 和 Y 軸也當作和顏色、尺寸、形狀等相同的格式 設定顏色(不是基于數據框中的變量)，需要在aes()外面設置

ggplot(diamonds, aes(x=carat), color="steelblue")

2層

ggplot2中的層也叫做 ‘geoms’.一旦完成基本設置，就可以再上面添加不同的層此documentation中提供所有的層的信息，增加層后，圖形才會展示出來。

library(ggplot2)
gg <- ggplot(diamonds, aes(x=carat, y=price)) 
gg + geom_point()

gg + geom_point(size=1, shape=1, color="steelblue", stroke=2)  # 'stroke' 控制點邊界的寬度 靜態(tài)設置格式

gg + geom_point(aes(size=carat, shape=cut, color=color, stroke=carat))  # carat, cut color 動態(tài)根據數據框中變量設置格式

ggplot(diamonds, aes(x=carat, y=price, color=cut)) + geom_point() + geom_smooth() # Adding scatterplot geom (layer1) and smoothing geom (layer2).
#或者是在geom層里面自定義美化格式
ggplot(diamonds) + geom_point(aes(x=carat, y=price, color=cut)) + geom_smooth(aes(x=carat, y=price, color=cut))

#把不同平滑曲線整合成一條
library(ggplot2)
ggplot(diamonds) + geom_point(aes(x=carat, y=price, color=cut)) + geom_smooth(aes(x=carat, y=price)) # Remove color from geom_smooth
ggplot(diamonds, aes(x=carat, y=price)) + geom_point(aes(color=cut)) + geom_smooth()  # same but simpler

# 把不同顏色的散點的形狀設成不同的
ggplot(diamonds, aes(x=carat, y=price, color=cut, shape=color)) + geom_point()

添加水平或者垂直線

p1 <- gg3 + geom_hline(yintercept=5000, size=2, linetype="dotted", color="blue") # linetypes: solid, dashed, dotted, dotdash, longdash and twodash
p2 <- gg3 + geom_vline(xintercept=4, size=2, color="firebrick")#添加垂直線
p3 <- gg3 + geom_segment(aes(x=4, y=5000, xend=4, yend=10000, size=2, lineend="round"))#添加方塊
p4 <- gg3 + geom_segment(aes(x=carat, y=price, xend=carat, yend=price-500, color=color), size=2) + coord_cartesian(xlim=c(3, 5))  # x, y: start points. xend, yend: end points
gridExtra::grid.arrange(p1,p2,p3,p4, ncol=2)

3標簽

使用labs層來自定義標簽

library(ggplot2)
gg <- ggplot(diamonds, aes(x=carat, y=price, color=cut)) + geom_point() + labs(title="Scatterplot", x="Carat", y="Price")  # 增加坐標軸和圖像標題
print(gg)#保存圖形

4主題和格式調整

使用Theme函數控制標簽的尺寸、顏色等，在element_text()函數內自定義具體的格式，想要清除格式，則設為element_blank()即可

gg1 <- gg + theme(plot.title=element_text(size=30, face="bold"), 
                  axis.text.x=element_text(size=15), #x軸文本
                  axis.text.y=element_text(size=15),
                  axis.title.x=element_text(size=25),
                  axis.title.y=element_text(size=25)) + 
  scale_color_discrete(name="Cut of diamonds")  # add title and axis text, 改變圖例標題
#scale_shape_discrete(name="legend title") 基于離散分類變量生成對應圖例標題
#scale_shape_continuous(name="legend title") 基于連續(xù)變量 shape fill color屬性
print(gg1)

#改變圖形中所有文本的顏色等
gg2 + theme(text=element_text(color="blue"))  # all text turns blue.

#改變點的顏色
gg3 + scale_colour_manual(name='Legend', values=c('D'='grey', 'E'='red', 'F'='blue', 'G'='yellow', 'H'='black', 'I'='green', 'J'='firebrick'))

顏色表：

調整xy軸范圍

三種方法：

Using coord_cartesian(xlim=c(x1,x2))
Using xlim(c(x1,x2))
Using scale_x_continuous(limits=c(x1,x2))注意：第2、3種方法會刪除數據框中不在范圍之內的點的信息

#調整x y 軸范圍
gg3 + coord_cartesian(xlim=c(0,3), ylim=c(0, 5000)) + geom_smooth()  # zoom in

#刪除坐標范圍之外的點 注意這時候平滑線也會相應改變 可能會誤導分析
gg3 + scale_x_continuous(limits=c(0,3)) + scale_y_continuous(limits=c(0, 5000)) + geom_smooth()  # deletes the points outside limits
#> Warning message:
#> Removed 14714 rows containing missing values (geom_point).

#改變x y軸標簽 間隔等 
gg3 + scale_x_continuous(labels=c("zero", "one", "two", "three", "four", "five")) + scale_y_continuous(breaks=seq(0, 20000, 4000))  # Y 是連續(xù)變量  X 是類型變量

#旋轉文本角度
gg3 + theme(axis.text.x=element_text(angle=45), axis.text.y=element_text(angle=45))

gg3 + coord_flip()  #把x和y軸對換

#設置圖形內背景網格
gg3 + theme(panel.background = element_rect(fill = 'springgreen'),
  panel.grid.major = element_line(colour = "firebrick", size=3),
  panel.grid.minor = element_line(colour = "blue", size=1))

圖形背景與邊距

#設置圖形外背景顏色和邊距
gg3 + theme(plot.background=element_rect(fill="yellowgreen"), plot.margin = unit(c(2, 4, 1, 3), "cm")) # top, right, bottom, left

圖例

gg3 + scale_color_discrete(name="")  # 刪除圖例標題
p1 <- gg3 + theme(legend.title=element_blank())  # 刪除圖例標題
p2 <- gg3 + scale_color_discrete(name="Diamonds")  # 改變圖例標題
gg3 + scale_colour_manual(name='Legend', values=c('D'='grey', 'E'='red', 'F'='blue', 'G'='yellow', 'H'='black', 'I'='green', 'J'='firebrick'))# 改變圖例標題和點顏色

#隱藏圖例標題
gg3 + theme(legend.position="none")  # hides the legend
#改變圖例位置
p1 <- gg3 + theme(legend.position="top")  # top / bottom / left / right 圖形外
#圖形內
p2 <- gg3 + theme(legend.justification=c(1,0), legend.position=c(1,0))  # legend justification 是圖例的定標點 把圖例的左下點作為 (0,0)
gridExtra::grid.arrange(p1, p2, ncol=2) 
#相當于library(gridExtra)
#grid.arrange(p1, p2, ncol=2)  

#改變圖例具體項目的順序 按照需求在圖例中創(chuàng)建一個新的類型變量
df$newLegendColumn <- factor(df$legendcolumn, levels=c(new_order_of_legend_items), ordered = TRUE) 

#legend.title - 圖例標題
#legend.text - 圖例文本
#legend.key - 圖例背景框
#guides - 圖例符號
gg3 + theme(legend.title = element_text(size=20, color = "firebrick"), legend.text = element_text(size=15), legend.key=element_rect(fill='steelblue')) + guides(colour = guide_legend(override.aes = list(size=2, shape=4, stroke=2)))  
# legend title color and size, box color, symbol color, size and shape.

5多圖繪制

gg1 + facet_wrap( ~ cut, ncol=3)  # cut類型變量的每種類型是一個圖 設置為三列
gg1 + facet_wrap(color ~ cut)  # row: color, column: cut 左邊的對應行 右邊的對應列

gg1 + facet_wrap(color ~ cut, scales="free")  # row: color, column: cut 釋放尺度限制

gg1 + facet_grid(color ~ cut)   # 為方便比較 把所有圖片放在網格中 頭信息去掉 更多的空間給圖形

6一些經常用到的特征

制作時間序列圖形(使用`ggfortify`)

使用ggfortify包很容易直接用一個時間序列對象來畫時間序列圖形，而不用把數據類型轉換為數據框，更多請見

#下載ggfortify包
library(devtools)
install_github('sinhrks/ggfortify')

ggfortify使得ggplot2 知道怎么解譯ts對象.加載ggfortify 包后,你可以使用ggplot2::autoplot函數來操作ts對象

library(ggfortify)
autoplot(AirPassengers) + labs(title="AirPassengers")  # where AirPassengers is a 'ts' object

autoplot(AirPassengers, ts.colour = 'red', ts.linetype = 'dashed')#改變線的顏色和類型
#使用 help(autoplot.ts) (or help(autoplot.*) for any other objects) 來查詢可以改變的選項

autoplot也能處理其他時間序列類型.支持的包有:

zoo::zooreg
xts::xts
timeSeries::timSeries
tseries::irts

library(xts)
autoplot(as.xts(AirPassengers), ts.colour = 'green')

也能通過命名改變{ggplot2}幾何圖形類型.支持線、條形、點圖

autoplot(AirPassengers, ts.geom = 'bar', fill = 'blue')
autoplot(AirPassengers, ts.geom = 'point', shape = 3)

同一張圖上畫多個時間序列

要求數據是數據框類型，且一列必須為時間數據

（1）轉換成數據框后，累加層

# Approach 1:
data(economics, package="ggplot2")  #  數據初始化
economics <- data.frame(economics)  # 轉換為數據框類型
ggplot(economics) + geom_line(aes(x=date, y=pce, col="pcs")) + geom_line(aes(x=date, y=unemploy, col="unemploy")) + scale_color_discrete(name="Legend") + labs(title="Economics") # 畫多條線 使用 'geom_line's

（2）使用reshape2::melt設置id到日期格式來合并數據框.然后增加一個geom_line把顏色格式設置為variable(此變量是在合并過程中被創(chuàng)建).

# Approach 2:
library(reshape2)
df <- melt(economics[, c("date", "pce", "unemploy")], id="date")
ggplot(df) + geom_line(aes(x=date, y=value, color=variable)) + labs(title="Economics")# plot multiple time series by melting

條形圖

ggplot默認創(chuàng)建的是 ‘counts’型的條形圖，即計算某一列變量中每種值出現的頻數，這時候無需指定y軸的變量

但是呢，如果想具體指定y軸的值，這時候一定要在geom_bar內設置stat="identity"

# 絕對條形圖: Specify both X adn Y axis. Set stat="identity"
df <- aggregate(mtcars$mpg, by=list(mtcars$cyl), FUN=mean)  # 計算每個'cyl'對應的mpg變量均值
names(df) <- c("cyl", "mpg")#為數據框增加變量名字
head(df)
#>   cyl    mpg
#> 1   4  26.66
#> 2   6  19.74
#> 3   8  15.10

gg_bar <- ggplot(df, aes(x=cyl, y=mpg)) + geom_bar(stat = "identity")  # Y axis is explicit. 'stat=identity'
print(gg_bar)

改變條形圖的顏色和寬度

df$cyl <- as.factor(df$cyl)#把cyl作為類型變量
gg_bar <- ggplot(df, aes(x=cyl, y=mpg)) + geom_bar(stat = "identity", aes(fill=cyl), width = 0.25)
gg_bar + scale_fill_manual(values=c("4"="steelblue", "6"="firebrick", "8"="darkgreen"))

改變顏色

library(RColorBrewer)
display.brewer.all(n=20, exact.n=FALSE)  # 展示所有顏色方案
ggplot(mtcars, aes(x=cyl, y=carb, fill=factor(cyl))) + geom_bar(stat="identity") + scale_fill_brewer(palette="Reds")  # "Reds" is palette name

gg <- ggplot(mtcars, aes(x=cyl))
p1 <- gg + geom_bar(position="dodge", aes(fill=factor(vs)))  # side-by-side 并列
p2 <- gg + geom_bar(aes(fill=factor(vs)))  # stacked 堆積
gridExtra::grid.arrange(p1, p2, ncol=2)

折線圖

# 方法 1:
gg <- ggplot(economics, aes(x=date))  # 基本設置
gg + geom_line(aes(y=psavert), size=2, color="firebrick") + geom_line(aes(y=uempmed), size=1, color="steelblue", linetype="twodash")  #沒有圖例
# 折線類型有: solid, dashed, dotted, dotdash, longdash and twodash

# 方法 2:
library(reshape2)
df_melt <- melt(economics[, c("date", "psavert", "uempmed")], id="date")  # melt by date. 
gg <- ggplot(df_melt, aes(x=date))  # setup
gg + geom_line(aes(y=value, color=variable), size=1) + scale_color_discrete(name="Legend")  # gets legend.有圖例

絲帶圖

使用geom_ribbon()畫填充時間序列圖需要yminandymax兩個參量

# Prepare the dataframe
st_year <- start(AirPassengers)[1] #開始年份
st_month <- "01"
st_date <- as.Date(paste(st_year, st_month, "01", sep="-"))#開始日期
dates <- seq.Date(st_date, length=length(AirPassengers), by="month")#生產日期數組 以月為間隔
df <- data.frame(dates, AirPassengers, AirPassengers/2)#一定要記得構建數據框
head(df)
#>        dates AirPassengers AirPassengers.2
#> 1 1949-01-01           112            56.0
#> 2 1949-02-01           118            59.0
#> 3 1949-03-01           132            66.0
#> 4 1949-04-01           129            64.5
#> 5 1949-05-01           121            60.5
#> 6 1949-06-01           135            67.5
# Plot ribbon with ymin=0
gg <- ggplot(df, aes(x=dates)) + labs(title="AirPassengers") + theme(plot.title=element_text(size=30), axis.title.x=element_text(size=20), axis.text.x=element_text(size=15))
gg + geom_ribbon(aes(ymin=0, ymax=AirPassengers)) + geom_ribbon(aes(ymin=0, ymax=AirPassengers.2), fill="green")

gg + geom_ribbon(aes(ymin=AirPassengers-20, ymax=AirPassengers+20)) + geom_ribbon(aes(ymin=AirPassengers.2-20, ymax=AirPassengers.2+20), fill="green")

區(qū)域圖

geom_area和geom_ribbon類似，只是ymin設置為0，如果想畫重疊的區(qū)域圖，使用alphaaesthetic使得最外層為透明的

# Method1: 非重疊區(qū)域
df <- reshape2::melt(economics[, c("date", "psavert", "uempmed")], id="date")
head(df, 3)
#>         date variable value
#> 1 1967-07-01  psavert  12.5
#> 2 1967-08-01  psavert  12.5
#> 3 1967-09-01  psavert  11.7
p1 <- ggplot(df, aes(x=date)) + geom_area(aes(y=value, fill=variable)) + labs(title="Non-Overlapping - psavert and uempmed")

# Method2: 重疊區(qū)域 PS：因為沒有構建成數據框，也就相應沒有圖例啦
p2 <- ggplot(economics, aes(x=date)) + geom_area(aes(y=psavert), fill="yellowgreen", color="yellowgreen") + geom_area(aes(y=uempmed), fill="dodgerblue", alpha=0.7, linetype="dotted") + labs(title="Overlapping - psavert and uempmed")
gridExtra::grid.arrange(p1, p2, ncol=2)

箱形圖和小提琴圖

可以使用: * outlier.shape * outlier.stroke * outlier.size * outlier.colour來控制異常點的形狀大小邊緣

如果notch被設為TRUE，見下圖

p1 <- ggplot(mtcars, aes(factor(cyl), mpg)) + geom_boxplot(aes(fill = factor(cyl)), 
width=0.5, outlier.colour = "dodgerblue", outlier.size = 4, outlier.shape = 16, outlier.stroke = 2, notch=T) + labs(title="Box plot")  # boxplot
p2 <- ggplot(mtcars, aes(factor(cyl), mpg)) + geom_violin(aes(fill = factor(cyl)), width=0.5, trim=F) + labs(title="Violin plot (untrimmed)")  # violin plot
gridExtra::grid.arrange(p1, p2, ncol=2)

密度圖

ggplot(mtcars, aes(mpg)) + geom_density(aes(fill = factor(cyl)), size=2) + labs(title="Density plot")  # Density plot

瓦片圖（熱力圖）

corr <- round(cor(mtcars), 2)#生成相關系數矩陣 對稱的
df <- reshape2::melt(corr)
gg <- ggplot(df, aes(x=Var1, y=Var2, fill=value, label=value)) + geom_tile() + theme_bw() + geom_text(aes(label=value, size=value), color="white") + labs(title="mtcars - Correlation plot") + theme(text=element_text(size=20), legend.position="none")

library(RColorBrewer)
p2 <- gg + scale_fill_distiller(palette="Reds")
p3 <- gg + scale_fill_gradient2()
gridExtra::grid.arrange(gg, p2, p3, ncol=3)

相同坐標軸范圍

ggplot(diamonds, aes(x=price, y=price+runif(nrow(diamonds), 100, 10000), color=cut)) + geom_point() + geom_smooth() + coord_equal()

自定義布局

gridExtra包能在一個網格中安排放置多個圖形

library(gridExtra)
grid.arrange(plot1, plot2, ncol=2)

改變主題

切換不同的內置主題：

theme_gray()
theme_bw()
theme_linedraw()
theme_light()
theme_minimal()
theme_classic()
theme_void()

ggthemes包提供另外的主題這些主題模仿啦一些著名雜志或者軟件的風格

#從 CRAN下載穩(wěn)定版
install.packages('ggthemes', dependencies = TRUE)
#或者下載開發(fā)者版本
library("devtools")
install_github(c("hadley/ggplot2", "jrnold/ggthemes"))

ggplot(diamonds, aes(x=carat, y=price, color=cut)) + geom_point() + geom_smooth() +theme_bw() + labs(title="bw Theme")

注記

library(grid)
my_grob = grobTree(textGrob("This text is at x=0.1 and y=0.9, relative!
 Anchor point is at 0,0", x=0.1,  y=0.9, hjust=0,gp=gpar(col="firebrick", fontsize=25, fontface="bold")))

ggplot(mtcars, aes(x=cyl)) + geom_bar() + annotation_custom(my_grob) + labs(title="Annotation Example")

保存圖片

plot1 <- ggplot(mtcars, aes(x=cyl)) + geom_bar()
ggsave("myggplot.png")  # 保存最近創(chuàng)建的圖片
ggsave("myggplot.png", plot=plot1)  #保存指定的圖形

相關鏈接：

非常有用：https://ggplot2.tidyverse.org/reference/

Cheatsheets：http://www.rstudio.com/wp-content/uploads/2015/12/ggplot2-cheatsheet-2.0.pdf

教程：http://r-statistics.co/ggplot2-Tutorial-With-R.html

https://ggplot2.tidyverse.org/

時間序列畫圖包：http://rpubs.com/sinhrks/plot_ts

主題“https://github.com/jrnold/ggthemes

總結

以上是生活随笔為你收集整理的R:ggplot2数据可视化——基础知识的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。

上一篇： osx php7 imagick,[PH
下一篇：山东公积金贷款额度